1942年，科幻小說家艾薩克·阿西莫夫在他的短篇小說《轉(zhuǎn)圈圈》中首次提出了“機(jī)器人三定律”,，這一定律被視為現(xiàn)代人工智能技術(shù)的基石,。八十年后，世界在許多方面已經(jīng)接近甚至超越了阿西莫夫的想象,。

如今,，人們生活在一個由人工智能滲透的世界里。2024年,，我們見證了一系列人工智能技術(shù)的創(chuàng)新與涌現(xiàn),，如AI視頻生成模型Sora和GPT-4o等。這些新技術(shù)不僅提升了駕駛體驗(yàn),，還為城市交通的安全性,、效率和可持續(xù)性帶來了新的可能。

展望2025年,，隨著人工智能與交通的進(jìn)一步融合,，BEV+OCC感知能力困局待解,。近年來，自動駕駛領(lǐng)域熱詞依次為：BEV+Transformer,、OCC占用網(wǎng)絡(luò),、無圖NOA、端到端,。BEV網(wǎng)絡(luò)通過矢量化的鳥瞰視角檢測白名單障礙物,，而OCC通過體素化的占用網(wǎng)絡(luò)預(yù)測3D空間的占位情況，實(shí)現(xiàn)對通用障礙物的感知,。然而,，目前BEV網(wǎng)絡(luò)的感知上限大約為1000多種物體，OCC網(wǎng)格大小受限于算力和實(shí)時性,，通常只能做到10厘米左右,，難以檢測微小物體。此外,，天氣,、光照、雨霧等復(fù)雜語義也是當(dāng)前技術(shù)難以解決的問題,。

數(shù)據(jù)成為端到端方案的最大瓶頸,。相較于分模塊方案，端到端方案主要解決了從人工邏輯代碼到數(shù)據(jù)驅(qū)動的問題,，并通過自動抽取信息減少信息損失,。決策和規(guī)劃的進(jìn)步顯著，但感知能力提升有限,。訓(xùn)練一個完美的自動駕駛模型需要海量數(shù)據(jù),，特斯拉2024年初的視頻訓(xùn)練片段數(shù)量將近3000萬個，但仍未達(dá)到L3級別,。大模型的引入增加了數(shù)據(jù)標(biāo)注需求,，如何保證高效訓(xùn)練成為關(guān)鍵問題。

世界模型實(shí)現(xiàn)了從感知到認(rèn)知的躍遷,。生成式AI大模型具備超強(qiáng)理解能力,，能夠建立對當(dāng)下場景的整體認(rèn)知。例如,，大模型可以通過意圖理解判斷出行人是否要橫穿馬路,，或通過長時序信息判斷車輛是否即將減速。這種從部分到整體,、從分立到連續(xù),、從感知到認(rèn)知的轉(zhuǎn)變，使自動駕駛系統(tǒng)更加貼近人類駕駛的知識邏輯,。世界模型的訓(xùn)練數(shù)據(jù)是視頻序列,，輸入當(dāng)前時刻視頻,，輸出下一時刻視頻，可以進(jìn)行無監(jiān)督訓(xùn)練,，解決了傳統(tǒng)端到端模型需要精確標(biāo)注海量視頻數(shù)據(jù)的難題,。

車路云一體化是一個帶有鮮明“中國智慧”的技術(shù)方案。2024年是中國車路云一體化全面落地的重要年份,。通過集成通信基站,、衛(wèi)星通信和定位、各類傳感器,、云控平臺等基礎(chǔ)設(shè)施,，形成一個信息共享、高效協(xié)同的車路云網(wǎng)絡(luò),，為智能設(shè)備提供實(shí)時數(shù)據(jù)服務(wù)。道路上布設(shè)的智能路側(cè)設(shè)施能夠?qū)崟r監(jiān)測路況,，多源數(shù)據(jù)融合技術(shù)為后續(xù)數(shù)據(jù)分析提供豐富素材,。云端利用大數(shù)據(jù)和AI算法對數(shù)據(jù)進(jìn)行分析與挖掘，提取有價值的信息,，提高道路通行效率,。保障數(shù)據(jù)安全至關(guān)重要，需根據(jù)國家相關(guān)法律法規(guī)對數(shù)據(jù)進(jìn)行分類分級,、降密,、脫敏、加密等操作,。

未來十年，所有行業(yè)都值得用人工智能重新做一遍,。人工智能將在自動駕駛,、車路云一體化、交通基礎(chǔ)設(shè)施智能化建設(shè)等方面深入融合,，拓展更多超乎想象的應(yīng)用場景,，為人們帶來更智能、便捷的出行方式,，重塑智能交通的未來,。